学会绿色：动态 MIMO-OFDM 系统中的鲁棒能效最大化
信息论
2015-04-16 v1 计算机科学与博弈论
math.IT
摘要
本文研究了下一代多用户 MIMO-OFDM 网络中能效 (EE) 的最大化问题，这些网络随时间动态演化——例如由于用户移动性、无线介质波动、用户负载调制等。与静态/平稳机制相反，系统可能以任意方式演化，因此 targeting 一个固定的最优状态（无论是静态的还是平均意义上的）变得过时；相反，用户必须“即时”适应系统的变化，而无法预先预测系统状态。为解决这些问题，我们提出了一种简单且分布式的在线优化策略，该策略导致无遗憾 (no regret)，即无论系统如何随时间变化，它都允许用户匹配（并且通常优于）事后看来最佳的固定发射策略。此外，考虑到大规模 MIMO 系统中完美信道状态信息 (CSI) 的稀缺性，我们还研究了该算法在存在测量误差和观测噪声情况下的鲁棒性。重要的是，所提出的策略在关于误差统计的非常温和的假设下保留了其无遗憾特性，并且平均而言，享有与无噪声确定性情况相同的性能保证。我们的分析辅以广泛的数值模拟，表明在现实网络环境中，即使在快速变化的信道条件下，用户也能跟踪其各自最优的发射配置，相比均匀功率分配策略实现了高达 600% 的能效增益。
引用
@article{arxiv.1504.03903,
title = {Learning to be green: robust energy efficiency maximization in dynamic MIMO-OFDM systems},
author = {Panayotis Mertikopoulos and E. Veronica Belmega},
journal= {arXiv preprint arXiv:1504.03903},
year = {2015}
}
备注
25 pages, 4 figures